مقاله تخمین مقاومت فشاری بتن حاوی خاکستر بادی با شبکه های عصبی مصنوعی و منطق فازی
ترجمه شده

مقاله تخمین مقاومت فشاری بتن حاوی خاکستر بادی با شبکه های عصبی مصنوعی و منطق فازی

عنوان فارسی مقاله: تخمین مقاومت فشاری بتن حاوی خاکستر بادی با استفاده از شبکه های عصبی مصنوعی و منطق فازی
عنوان انگلیسی مقاله: Prediction of compressive strength of concrete containing fly ash using artificial neural networks and fuzzy logic
مجله/کنفرانس: علوم مواد محاسباتی - Computational Materials Science
رشته های تحصیلی مرتبط: مهندسی عمران
گرایش های تحصیلی مرتبط: سازه، مدیریت ساخت
کلمات کلیدی فارسی: مقاومت فشاری، خاکستر بادی، شبکه های عصبی مصنوعی، منطق فازی
کلمات کلیدی انگلیسی: Compressive strength - Fly ash - Artificial neural networks - Fuzzy logic
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.commatsci.2007.04.009
دانشگاه: دانشگاه Osmangazi اسکی شهیر، گروه مهندسی عمران، ترکیه
صفحات مقاله انگلیسی: 7
صفحات مقاله فارسی: 14
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2015
ایمپکت فاکتور: 2.745 در سال 2018
شاخص H_index: 97 در سال 2019
شاخص SJR: 0.812 در سال 2018
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 0927-0256
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه شده و آماده دانلود
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
مقاله بیس: خیر
مدل مفهومی: ندارد
کد محصول: 9175
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
پرسشنامه: ندارد
متغیر: ندارد
درج شدن منابع داخل متن در ترجمه: خیر
ترجمه شدن توضیحات زیر تصاویر و جداول: بله
ترجمه شدن متون داخل تصاویر و جداول: خیر
رفرنس در ترجمه: درج نشده است
نمونه ترجمه فارسی مقاله

چکیده

در این مطالعه، مدل های شبکه های عصبی مصنوعی و منطق فازی برای تخمین مقاومت های 7، 28 و 90 روزه بتن های حاوی خاکستر بادی با آهک بالا و آهک پایین، توسعه داده شده اند. با هدف ساخت این مدل ها، 52 مخلوط مختلف با 180 نمونه از مقالات جمع آوری شد. داده های استفاده شده در مدل های شبکه عصبی مصنوعی و منطق فازی در یک فرمت ورودی 9 پارامتری مرتب شده اند که روز، سیمان پرتلند، آب، ماسه، سنگ شکسته 1 (4-8 میلیمتر)، سنگ شکسته 2 (8-16 میلیمتر)، نسبت جایگزینی عامل کاهنده آب با محدوده زیاد، نسبت جایگزینی خاکستر بادی و CaO ، و یک پارامتر خروجی که مقاومت بتن است، را پوشش می دهد. در مدل های آزمون و تست، نتایج نشان می دهند که سیستم های شبکه عصبی مصنوعی و منطق فازی پتانسیل زیادی برای تخمین مقاومت فشاری 7، 28 و 90 روزه بتن حاوی خاکستر بادی هستند.

نمونه متن انگلیسی مقاله

Abstract

In this study, artificial neural networks and fuzzy logic models for predicting the 7, 28 and 90 days compressive strength of concretes containing high-lime and low-lime fly ashes have been developed. For purpose of constructing these models, 52 different mixes with 180 specimens were gathered from the literature. The data used in the artificial neural networks and fuzzy logic models are arranged in a format of nine input parameters that cover the day, Portland cement, water, sand, crushed stone I (4–8 mm), crushed stone II (8–16 mm), high range water reducing agent replacement ratio, fly ash replacement ratio and CaO, and an output parameter which is compressive strength of concrete. In the models of the training and testing results have shown that artificial neural networks and fuzzy logic systems have strong potential for predicting 7, 28 and 90 days compressive strength of concretes containing fly ash.

ترجمه فارسی فهرست مطالب

چکیده

1. مقدمه

2. شبکه های عصبی مصنوعی

2.1. ساختار و پارامتر های مدل شبکه عصبی

3. منطق فازی

3.1. سیستم استنتاج منطق فازی

3.2. مدل سیستم استنتاج منطق فازی

4. نتایج و بحث

5. نتیجه گیری

فهرست انگلیسی مطالب

Abstract

1. Introduction 

2. Artificial neural networks

3. Fuzzy logic

3.1. Fuzzy logic inference system

3.2. Fuzzy logic inference system model

4. Results and discussion

5. ConcJusions

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۲۶,۱۰۰ تومان
خرید محصول